证券市场下方风险测度模型及市场风险的实证研究 9787514148633 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

张琳琳 著

图书标签:

• 金融学
• 证券市场
• 风险管理
• 风险测度
• 市场风险
• 计量经济学
• 实证研究
• 投资学
• 金融工程
• 风险模型

店铺： 一鸿盛世图书专营店

出版社： 经济科学出版社

ISBN：9787514148633

商品编码：29783701437

包装：平装

出版时间：2014-08-01

基本信息

书名：证券市场下方风险测度模型及市场风险的实证研究

定价：25.00元

作者：张琳琳

出版社：经济科学出版社

出版日期：2014-08-01

ISBN：9787514148633

字数：

页码：

版次：1

装帧：平装

开本：32开

商品重量：0.4kg

编辑推荐

---

内容提要

---

对证券市场风险度量方法的研究是金融经济学领域里核心的课题之一，也是实际证券投资活动中至关重要的一环，受到越来越多投资者和研究者的关注。本文主要研究下方风险理论中的风险计量模型，因为下方风险考虑了投资者的不同偏好，能更好地反映了风险的隶属性要求。首先，本文提出了基于MGARCH模型的LVaR风险度量方法，并与基于GARCH模型的风险度量结果进行比较；接着考虑具有投资者偏好的LCVaR模型，并建立了基于LCVaR的投资组合优化模型；后，在Fishburn的一般风险测度理论的基础上提出全面风险从度模型和组合偏矩风险测度模型，并构造了基于全面风险和组合偏矩风险的投资组合优化模型。

目录

---

章 绪论 1.1 问题的提出和本书的意义 1.2 证券市场风险的基本概念 1.3 结构安排与主要创新点 1.4 本章小结第2章 有关证券市场风险测度模型的文献综述 2.1 偏理论描述的证券市场风险测度模型评述 2.2 偏实际应用的证券市场风险测度模型评述 2.3 有关证券市场风险测度模型的研究成果 2.4 本章小结第3章 基于MGARCH模型的LVaR风险测度模型及实证分析 3.1 MGARCH模型 3.2 基于MGARCH模型的LVaR风险测度模型 3.3 实证研究 3.4.本章小结第4章 LCVaR风险测度及投资组合优化模型 4.1 LCVaR的基本概念和计算方法 4.2 基于LCVaR的投资组合优化模型 4.3 实证研究 4.4 本章小结第5章 基于下方风险调整的全面风险测度模型 5.1 基于负偏差的风险测度模型 5.2 全面风险测度模型 5.3 实证研究 5.4 本章小结第6章 基于下方风险调整的投资组合优化模型 6.1 优化模型的基本前提假设 6.2 基于全面风险测度模型的投资组合优化模型 6.3 基于下方风险调整的投资组合优化模型的实证研究 6.4 本章小结参考文献后记

作者介绍

---

张琳琳，女，河南理工大学经管学院教师，博士毕业于吉林大学商学院。教授课程有《金融经济学》、《投资学》、《金融工程》。

文摘

---

序言

---

证券市场下方风险测度模型及市场风险的实证研究 导论 在全球化深入发展和金融市场日趋复杂的今天，对证券市场风险的理解与量化，尤其是对下行风险的精准把握，已成为投资决策、风险管理以及宏观经济政策制定至关重要的一环。本研究聚焦于证券市场中的下方风险，旨在深入探讨其测度模型，并结合实证分析，揭示市场风险的内在运行规律及影响因素。 市场风险，顾名思义，是指由于不可预测的市场因素变动而可能给资产带来损失的可能性。它普遍存在于各类金融资产的交易中，如股票、债券、衍生品等。与整体市场波动的度量不同，下方风险（Downside Risk）更侧重于资产价格下跌所带来的潜在损失，它更能反映投资者在市场不利情况下的实际感受和规避损失的动机。例如，一个投资组合可能在整体市场上涨时表现平平，但在市场下跌时却损失惨重，此时，下方风险的测度就比简单的波动率更能说明问题。 传统风险度量方法，如标准差（Standard Deviation），将价格上涨和下跌同等对待，这与投资者实际的风险偏好存在差异。投资者通常更关注损失，而非收益的波动。下方风险测度正是为了弥补这一不足，其核心在于区分正向收益和负向收益，并对负向收益的幅度进行量化。这不仅有助于投资者构建更有效的投资组合，降低潜在损失，也有助于监管机构评估金融机构的稳健性，防范系统性风险。 本研究的起点，是对现有下方风险测度模型的梳理与分析。从经典的半标准差（Semi-standard Deviation）、均值绝对偏差（Mean Absolute Deviation）等，到更复杂的VaR（Value-at-Risk）及其变种，再到近年发展迅速的CVaR（Conditional Value-at-Risk）或ES（Expected Shortfall），每一种模型都有其理论基础、计算方法和适用范围。我们将逐一审视这些模型的优点与局限，为后续实证研究提供坚实的理论支撑。例如，半标准差能够有效地捕捉下跌风险，但其计算相对简单，未能充分考虑损失的分布情况。VaR模型直观易懂，但其在极端事件发生时可能失效，且不具备相容性。CVaR则在VaR的基础上，考虑了超过VaR阈值后的平均损失，弥补了VaR的不足，在风险管理领域得到了广泛应用。 在深入理解各类测度模型的基础上，本研究将重点关注模型在实际证券市场中的应用。我们将选取具有代表性的市场（例如，中国A股市场）和资产类别（例如，股票指数、行业板块等），运用多种下方风险测度模型，对市场风险进行实证分析。实证研究的目标在于： 一、 识别与量化市场下方风险的驱动因素 市场风险并非无源之水，其背后往往受到多种因素的影响。本研究将尝试识别并量化这些驱动因素，包括但不限于： 1. 宏观经济指标： 通货膨胀率、利率水平、GDP增长率、失业率等宏观经济变量的变动，往往是影响整个证券市场走势的重要宏观背景。例如，紧缩的货币政策可能导致市场利率上升，增加企业的融资成本，从而抑制经济增长，并对股票估值构成压力，引发市场下跌。 2. 政策性因素： 产业政策、财政政策、货币政策的调整，以及监管政策的变化，都可能对特定行业或整个市场产生深远影响。例如，国家对新能源汽车产业的大力扶持，可能会提振相关上市公司的股价，而一旦政策转向，则可能导致相关板块出现大幅回调。 3. 市场情绪与投资者行为： 投资者的羊群效应、恐慌情绪、乐观情绪等非理性因素，在短期内会对市场价格产生显著影响，甚至导致过度反应，加剧市场波动和下方风险。例如，突发的负面新闻可能引发投资者的恐慌性抛售，导致市场出现非理性下跌。 4. 公司基本面因素： 上市公司的盈利能力、财务状况、行业竞争力、管理层能力等基本面信息，是影响个股价格的核心因素。当宏观环境不利或市场情绪低迷时，基本面较差的公司更容易暴露风险，跌幅往往更大。 5. 国际市场联动性： 随着全球金融市场的互联互通，国际市场的重大事件（如地缘政治冲突、主要经济体的经济衰退等）也可能通过资本流动、情绪传染等途径，对国内证券市场造成冲击，增加市场下方风险。 我们将通过建立计量经济模型，如回归分析、因子模型等，来检验这些因素与市场下方风险之间的定量关系。例如，可以构建一个模型，分析通胀率、利率变动幅度、政策不确定性指数以及市场情绪指数等变量，对股票指数的CVaR值产生何种影响。通过分析模型系数的显著性和经济意义，我们可以更清晰地理解哪些因素是导致市场下跌的主要推手。 二、 评估不同下方风险测度模型的有效性与适用性 不同的下方风险测度模型在捕捉市场风险的某些方面表现出色，但在其他方面可能存在不足。本研究将通过实证检验，对比不同模型在以下方面的表现： 1. 预测能力： 考察模型能否有效地预测未来的市场下跌风险。例如，我们可以将模型在过去一段时间的测度结果与实际发生的市场下跌情况进行对比，评估其预测的准确性。 2. 稳健性： 检验模型在面对不同的市场条件（如牛市、熊市、震荡市）和不同的数据样本时，其测度结果是否保持稳定。 3. 区分度： 评估模型能否有效地区分不同程度的下跌风险，以及能否区分不同资产或资产组合的下方风险水平。 4. 计算效率与可操作性： 考虑到实际应用的需求，模型的计算复杂度、数据要求以及是否易于理解和实施也是重要的评估维度。 例如，我们可以比较VaR和CVaR在预测2008年金融危机期间市场大幅下跌时的表现。如果CVaR能更准确地捕捉到极端事件的严重性，那么它将比VaR更具优势。再比如，在对不同行业的股票组合进行风险评估时，哪种模型更能反映不同行业在市场下跌时的风险差异？ 三、 提出更符合中国市场特征的下方风险测度方法或改进建议 中国证券市场具有其独特性，例如，较高的散户参与比例、政策导向较为明显、市场结构与发达国家存在差异等。因此，直接套用国外成熟市场的模型可能无法完全适应中国市场的实际情况。本研究将在实证分析的基础上，尝试为中国证券市场提出更具针对性的下方风险测度方法，或对现有模型提出改进建议。这可能包括： 1. 引入特定因子： 考虑将一些在中国市场特有的影响因素，如政策不确定性指数、散户交易情绪指标等，纳入到风险测度模型中。 2. 模型参数的优化： 根据中国市场的历史数据特点，对现有模型的参数进行校准，以提高其预测精度。 3. 混合模型的构建： 尝试将不同模型的优点结合，构建混合模型，以期获得更全面、更准确的风险度量。例如，可以结合参数模型和非参数模型的优势。 研究的意义与贡献 本研究的深入开展，将具有重要的理论和实践意义： 理论贡献： 丰富并深化了对证券市场下方风险测度的理解，尤其是在中国市场的背景下。 为下方风险测度模型的研究提供实证证据，验证或挑战现有理论的普适性。 探索中国市场特有的风险驱动因素，拓展风险管理的研究范畴。 实践意义： 对于投资者： 帮助投资者更准确地评估和管理投资组合的下行风险，做出更理性的投资决策，规避不必要的损失，从而提升投资回报。 对于金融机构： 为商业银行、证券公司、基金公司等金融机构提供更有效的风险管理工具，帮助其识别、计量和控制市场风险，提高资产负债表的稳健性。 对于监管机构： 为监管部门提供监测市场风险、评估金融系统稳健性的有力依据，制定更科学有效的宏观审慎管理政策，维护金融市场稳定。 对于政策制定者： 帮助政府部门更好地理解市场风险的传导机制，为制定经济政策、金融政策提供决策参考，防范系统性金融风险的发生。 研究方法与技术路线 本研究将综合运用多种研究方法和技术： 1. 文献研究法： 全面梳理国内外关于市场风险、下方风险测度模型、风险管理等方面的文献，为研究奠定理论基础。 2. 计量经济学方法： 统计分析： 对市场数据进行描述性统计分析，了解其基本特征。 回归分析： 构建计量模型，检验不同因素对下方风险的影响。 时间序列分析： 利用ARIMA、GARCH族模型等对市场波动性和风险进行建模。 蒙特卡洛模拟： 用于计算VaR、CVaR等风险指标，以及进行压力测试。 3. 实证数据分析： 收集和处理中国证券市场的历史数据，包括股票价格、宏观经济指标、政策信息等。 4. 模型比较与检验： 运用统计学方法（如t检验、F检验、AIC/BIC准则等）对不同模型的表现进行比较和评估。 研究的预期挑战与局限 在本研究过程中，我们也预见到可能存在的挑战和局限： 数据可得性与质量： 尽管中国证券市场数据日渐丰富，但部分宏观经济数据、政策影响的量化以及市场情绪的捕捉可能存在一定困难，数据质量也可能影响研究结果的准确性。 模型选择的恰当性： 不同的模型对假设条件有不同要求，选择最适合特定市场和问题的模型需要审慎。 因果关系的识别： 计量模型在识别相关性方面较为有效，但要准确识别变量之间的因果关系，需要更深入的理论分析和研究设计。 市场变化的速度： 金融市场瞬息万变，研究结果可能受到市场结构性变化、新的风险因素出现等因素的影响，时效性需要不断更新。 结论展望 本研究期望通过严谨的理论梳理和细致的实证分析，为证券市场下方风险的测度与管理提供有益的参考。通过深入理解市场风险的运作机制，量化关键驱动因素，并评估不同测度模型的效用，我们希望能为投资者、金融机构和监管部门提供更为精准、实用的风险管理工具与策略，促进证券市场的健康稳定发展。最终，我们相信，对下方风险的深入研究，不仅是理论上的探索，更是对金融市场安全与效率的切实贡献。 ---

评分☆☆☆☆☆

这本书的书名给我一种非常专业且实用的感觉。我一直对金融市场的运作规律，特别是其中的风险机制很感兴趣。市面上关于证券市场的书籍很多，但真正能够深入剖析风险测度模型的却不那么多。这本书恰好满足了这一需求。“下方风险”这个概念听起来就很吸引人，它暗示了模型可能更关注市场下行时的表现，这对于任何投资者来说都是至关重要的。同时，“实证研究”表明书中会有大量的数据支撑和案例分析，这能够帮助我更好地理解抽象的理论模型，并将其与实际市场情况联系起来。我非常期待书中能够提供一些具有创新性的风险测度方法，并且能够用严谨的数据分析来验证它们的有效性。如果这本书能帮助我更清晰地认识和理解证券市场的风险，从而做出更明智的投资决策，那么它将是我书架上一本非常有价值的藏书。

评分☆☆☆☆☆

这本书的封面设计风格相当传统，一种沉稳的蓝色作为主色调，配以烫金的标题和作者姓名，整体给人一种严谨、学术的印象。翻开内页，纸张的质感也属于那种比较厚实、有分量的类型，阅读起来触感不错，不像有些过于轻薄的纸张那样容易产生折痕。装帧也做得相当扎实，每一页都缝订得紧密，相信即便是经常翻阅，也能保持相当长久的寿命。从排版上看，字体大小适中，行间距也比较舒适，没有那种过于拥挤的感觉，使得长时间阅读不会那么容易疲劳。章节的划分清晰，目录设计也一目了然，能够快速定位到感兴趣的部分。虽然我还没深入阅读具体内容，但单从这印刷和装帧的细节上，就能感受到出版方在制作这本书时所付出的用心，以及对学术书籍的尊重。这种精良的制作工艺，本身就是一种对内容的保障，让我对即将开始的阅读之旅充满了期待。

评分☆☆☆☆☆

我一直认为，在投资领域，理解风险是比追求收益更重要的一步。很多投资者往往只关注如何赚钱，却忽视了风险控制，最终往往得不偿失。这本书的名字恰好点明了这一点，“风险测度模型”是核心，而“证券市场”是研究的载体。我尤其关注书中对于“模型”部分的阐述，我希望它能够用比较易懂的方式来介绍这些模型，即便是对统计学和金融工程不太熟悉的读者，也能大致理解其逻辑和应用。毕竟，如果模型过于晦涩难懂，那么“实证研究”的价值也会大打折扣。我设想书中会包含一些图表和公式，用来直观地展示模型的计算过程和结果，并且还会通过实际的市场案例来验证这些模型的有效性。如果能从中学习到一些简单易行的风险评估方法，并将其运用到我自己的投资决策中，那么这本书的价值就真的体现出来了。

评分☆☆☆☆☆

我是一名金融行业的初学者，目前正在努力学习和积累专业知识。在接触证券市场方面，我最头疼的就是如何量化和评估风险。各种各样的风险指标让我眼花缭乱，真正理解它们的含义并知道如何应用却很难。所以，当我看到这本书的名字时，立刻觉得它可能正是我所需要的。特别是“下方风险测度模型”这个说法，让我觉得它可能提供了一种新的视角来理解风险，或许能帮助我更好地识别和规避那些可能导致巨大损失的极端情况。而且，“实证研究”的承诺，让我相信这本书的内容是基于现实的，而不是空中楼阁。我希望它能够提供一些清晰的案例分析，展示这些模型在实际市场中的应用效果，最好还能提供一些关于如何利用这些模型进行投资组合管理的建议。

评分☆☆☆☆☆

说实话，一开始是被书名中的“证券市场”几个字吸引的。我一直对股票投资有些兴趣，虽然不是专业的交易员，但总想了解更多关于市场运行的机制。这本书虽然提到了“风险测度模型”，听起来有些专业，但我相信它肯定会深入剖析股票市场中那些看不见摸不着却又至关重要的风险因素。我特别好奇它会如何解释“下方风险”，这个概念听起来就很有深度，似乎与我们常说的整体风险有所不同，可能更侧重于市场下跌时的脆弱性。另外，“实证研究”这一点也让我非常感兴趣，这意味着书中不仅仅是理论探讨，还会结合实际的市场数据进行分析，这对于我这样想把理论与实践结合起来的读者来说，无疑是一大福音。我期待书中能够提供一些具体的数据分析案例，或者是一些量化的模型，能够让我看到理论如何指导实践，如何帮助我们更好地理解和应对市场的波动。